一种辅助驾驶的方法和系统与流程

本发明涉及数据处理技术领域，特别涉及一种辅助驾驶的方法和系统。

背景技术：

随着社会的发展，人们生活水平的提高，汽车成为人们生活中不可或缺的产品。由于在驾驶过程中，驾驶员会对距离、车速等的判断存在误差，导致采取避险措施不及时，并且在采取紧急避险措施时具有很大的随机性，采取不恰当的紧急避险措施，导致本来可以避免的交通事故的发生，从而造成车辆的损坏甚至人员的伤亡。

目前，一些行车安全辅助系统，通过检测与前车之间的距离及相对速度，判断距离及相对速度是否超过设定的阈值，当超过设定的阈值后，相应的向用户发出警告或进行自动刹车。

但是，现有的实现方式通常不能完全识别危险情况，比如后方汽车急速接近的情况，故对避免事故发生的准确性较低。

技术实现要素：

本发明提供了一种辅助驾驶的方法和系统，能提高避免事故发生的准确性。

第一方面，本发明提供了一种辅助驾驶的方法，该方法包括：

在检测到车辆处于行驶状态时，获取所述车辆的周围环境对应的至少一个图像信息；

针对每一个所述图像信息，均执行：将所述图像信息分成第一数量的关键分区，并确定每一个所述关键分区的输入值；

利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值；

判断所述参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。

优选地，所述利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值，包括：

S1：针对第一数量的所述输入值中的每一个目标输入值，均执行：利用预先设置的第一数量的第一优化函数中的每一个第一优化函数，分别对所述目标输入值进行优化，以生成所述目标输入值对应的目标优化值；确定所述目标优化值对应的目标权重，并确定所述目标优化值与所述目标权重的乘积为目标输出值，以完成对所述目标输入值的一次优化处理；

S2：判断所述目标输入值对应的优化处理的次数是否达到设定阈值，若是，执行S3，否则，以所述目标输出值作为所述目标输入值，并执行S1；

S3：根据确定出的第一数量的目标输出值，以及利用预先确定的第二优化函数，计算该第一数量的目标输出值对应的参考值。

优选地，所述第一优化函数，包括：

其中，f(x_i)用于表征所述第一数量的关键分区中的第i个关键分区的优化值；x_i用于表征所述第i个关键分区的输入值；c用于表征所述图像信息的参数；radom用于表征所述第i个关键分区对应的经验值；

所述第二优化函数，包括：

其中，S_j用于表征所述至少一个图像信息中的第j个图像信息的参考值；w_ij用于表征所述第j个图像信息中的第i个关键分区的预设权重；b_j用于表征所述第j个图像信息的阈值；n用于表征所述第一数量；rand(x_i)用于表征所述第i个关键分区的平衡值。

优选地，所述确定每一个所述关键分区的输入值，包括：

针对每一个所述关键分区，将该关键分区进行灰度化处理，并确定该关键分区中包括的每一个像素点的灰度值，以及确定所述每一个像素点的灰度值的加和为该关键分区的输入值。

优选地，进一步包括：

当监测到所述车辆对应的驾驶员的重心偏移量大于相应设定的第一阈值时，启动紧急制动。

优选地，进一步包括：

根据所述图像信息确定所述车辆的正常行驶方向，当监测到所述车辆的当前行驶方向与所述正常行驶方向之间的角度大于相应设定的第二阈值时，启动紧急制动。

第二方面，本发明提供了一种辅助驾驶的系统，该系统包括：获取单元、确定单元、处理单元和判断单元，其中，

所述获取单元，用于在检测到车辆处于行驶状态时，获取所述车辆的周围环境对应的至少一个图像信息；

所述确定单元，用于针对每一个所述图像信息，均执行：将所述图像信息分成第一数量的关键分区，并确定每一个所述关键分区的输入值；

所述处理单元，用于利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值；

所述判断单元，用于判断所述参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。

优选地，所述处理单元，包括优化子单元、触发子单元、计算子单元，其中，

所述优化子单元，用于针对第一数量的所述输入值中的每一个目标输入值，均执行：利用预先设置的第一数量的第一优化函数中的每一个第一优化函数，分别对所述目标输入值进行优化，以生成所述目标输入值对应的目标优化值；确定所述目标优化值对应的目标权重，并确定所述目标优化值与所述目标权重的乘积为目标输出值，以完成对所述目标输入值的一次优化处理；

所述触发子单元，用于判断所述目标输入值对应的优化处理的次数是否达到设定阈值，若是，触发所述计算子单元，否则，以所述目标输出值作为所述目标输入值，并触发所述优化子单元；

所述计算子单元，用于根据确定出的第一数量的目标输出值，以及利用预先确定的第二优化函数，计算该第一数量的目标输出值对应的参考值。

优选地，所述第一优化函数，包括：

其中，f(x_i)用于表征所述第一数量的关键分区中的第i个关键分区的优化值；x_i用于表征所述第i个关键分区的输入值；c用于表征所述图像信息的参数；radom用于表征所述第i个关键分区对应的经验值；

所述第二优化函数，包括：

其中，S_j用于表征所述至少一个图像信息中的第j个图像信息的参考值；w_ij用于表征所述第j个图像信息中的第i个关键分区的预设权重；b_j用于表征所述第j个图像信息的阈值；n用于表征所述第一数量；rand(x_i)用于表征所述第i个关键分区的平衡值。

优选地，所述确定单元，具体用于针对每一个所述关键分区，将该关键分区进行灰度化处理，并确定该关键分区中包括的每一个像素点的灰度值，以及确定所述每一个像素点的灰度值的加和为该关键分区的输入值。

优选地，进一步包括：第一制动单元，用于当监测到所述车辆对应的驾驶员的重心偏移量大于相应设定的第一阈值时，启动紧急制动。

优选地，第二制动单元，用于根据所述图像信息确定所述车辆的正常行驶方向，当监测到所述车辆的当前行驶方向与所述正常行驶方向之间的角度大于相应设定的第二阈值时，启动紧急制动。

本发明提供了一种辅助驾驶的方法和系统，通过在检测到车辆处于行驶状态时，获取车辆的周围环境对应的图像信息，将图像信息分成第一数量的关键分区，并确定每一个关键分区的输入值，利用预先设置的优化函数对第一数量的输入值进行优化处理，以生成该第一数量的输入值对应的参考值，判断参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。由于可以从车辆的周围环境对汽车行驶状态进行判断，优于仅单纯的依靠距离和速度进行判断的方法，能够提高避免事故发生的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的一种辅助驾驶的方法的流程图；

图2是本发明一个实施例提供的一种识别模型构架图；

图3是本发明一个实施例提供的另一种辅助驾驶的方法的流程图；

图4是本发明一个实施例提供的一种辅助驾驶的系统的示意图；

图5是本发明一个实施例提供的另一种辅助驾驶的系统的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种辅助驾驶的方法，该方法可以包括以下步骤：

步骤101：在检测到车辆处于行驶状态时，获取所述车辆的周围环境对应的至少一个图像信息。

步骤102：针对每一个所述图像信息，均执行：将所述图像信息分成第一数量的关键分区，并确定每一个所述关键分区的输入值。

步骤103：利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值。

步骤104：判断所述参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行步骤105。

步骤105：执行紧急避险处理。

在图1所示的实施例中，通过在检测到车辆处于行驶状态时，获取车辆的周围环境对应的图像信息，将图像信息分成第一数量的关键分区，并确定每一个关键分区的输入值，利用预先设置的优化函数对第一数量的输入值进行优化处理，以生成该第一数量的输入值对应的参考值，判断参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。由于可以从车辆的周围环境对汽车行驶状态进行判断，优于仅单纯的依靠距离和速度进行判断的方法，能够提高避免事故发生的准确性。

值得说明的是，可以在车辆上设置高速摄像机，以实时的拍摄车辆周围的图像信息，故获取到的车辆的周围环境对应的至少一个图像信息，可以为车辆的前方、后方、左侧方、右侧方以及上方对应的图像信息中的至少一个。

在本发明一个实施例中，为了确保参考值的可靠性，所述利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值，包括：

S1：针对第一数量的所述输入值中的每一个目标输入值，均执行：利用预先设置的第一数量的第一优化函数中的每一个第一优化函数，分别对所述目标输入值进行优化，以生成所述目标输入值对应的目标优化值；确定所述目标优化值对应的目标权重，并确定所述目标优化值与所述目标权重的乘积为目标输出值，以完成对所述目标输入值的一次优化处理；

S2：判断所述目标输入值对应的优化处理的次数是否达到设定阈值，若是，执行S3，否则，以所述目标输出值作为所述目标输入值，并执行S1；

S3：根据确定出的第一数量的目标输出值，以及利用预先确定的第二优化函数，计算该第一数量的目标输出值对应的参考值。

在该实施例中，可以预先构建如图2所示的识别模型，在该识别模型中包括输入层、隐含层和输出层三部分。其中，输入层用于输入确定的输入值，隐含层用于对输入的输入值进行优化，输出层用于输出隐含层优化后的优化值。并且可以在该识别模型加入数据过滤技术，使得离谱的数据样本在优化很少次数以后就淘汰了，将离谱的数据提前淘汰，比优化次数达到阈值以后才发现数据不合理更加智能。

在图2中，x₁、x₂、…、x_r用于表征输入到识别模型中的输入值，o₁、o₂、…、o_r用于表征输入到识别模型中的经过第一优化函数进行一次优化后生成的优化值。

在本发明一个实施例中，为了进一步确保参考值的可靠性，所述第一优化函数，包括：

其中，f(x_i)用于表征所述第一数量的关键分区中的第i个关键分区的优化值；x_i用于表征所述第i个关键分区的输入值；c用于表征所述图像信息的参数；radom用于表征所述第i个关键分区对应的经验值；

所述第二优化函数，包括：

其中，S_j用于表征所述至少一个图像信息中的第j个图像信息的参考值；w_ij用于表征所述第j个图像信息中的第i个关键分区的预设权重；b_j用于表征所述第j个图像信息的阈值；n用于表征所述第一数量；rand(x_i)用于表征所述第i个关键分区的平衡值。

在该实施例中，现有的优化函数为为了监视每次优化之间的联系，在识别模型中加入了记忆功能。于是在现在的优化函数的基础上对优化函数做出了改进，也就是将当前优化的前3次优化结果作为记忆值，加入到当前优化的优化函数中，因此就得到了第一优化函数。

在本发明一个实施例中，为了能够准确的对图像信息进行分析，所述确定每一个所述关键分区的输入值，包括：

针对每一个所述关键分区，将该关键分区进行灰度化处理，并确定该关键分区中包括的每一个像素点的灰度值，以及确定所述每一个像素点的灰度值的加和为该关键分区的输入值。

在该实施例中，可以将该关键分区中所包括的每一个像素的灰度值之和作为相应的输入值，也可以将该关键分区中所包括的每一个像素的灰度值的平均值作为相应的输入值。而对于像素的灰度值Gray可以通过下式计算：

其中，R用于表征红色，G用于表征绿色，B用于表征蓝色，0.299用于表征红色的权值，0.587用于表征绿色的权值，0.144用于表征红色的权值。

在本发明一个实施例中，为了进一步确保驾驶的安全性，该辅助驾驶的方法可以进一步包括：当监测到所述车辆对应的驾驶员的重心偏移量大于相应设定的第一阈值时，启动紧急制动。

在该实施例中，由于在紧急情况下，驾驶员的身体会不由自主的发生移动或偏移，从而引起重心位置的改变，因此当监测到驾驶员重心偏移量大于设定的第一阈值时，可以启动紧急制动。不过也可以采取其他紧急避险处理，例如，启动警报提示等。

在本发明一个实施例中，为了进一步确保驾驶的安全性，该辅助驾驶的方法可以进一步包括：根据所述图像信息确定所述车辆的正常行驶方向，当监测到所述车辆的当前行驶方向与所述正常行驶方向之间的角度大于相应设定的第二阈值时，启动紧急制动。

在该实施例中，由于在紧急情况下，驾驶员驾驶车辆时可能会偏移设定路线，当监测到车辆的当前行驶方向与正常行驶方向之间的角度大于相应设定的第二阈值时，可以启动紧急制动。不过也可以采取其他紧急避险处理，例如，启动警报提示等。

如图3所示，本发明实施例提供了一种辅助驾驶的方法，该方法可以包括以下步骤：

步骤301：在检测到车辆处于行驶状态时，获取车辆的周围环境对应的至少一个图像信息。

在该步骤中，可以通过在车辆上设置高速摄像机实时的拍摄车辆周围的图像信息，可以是车辆的前方、后方、左侧方、右侧方以及上方。

步骤302：将图像信息分成第一数量的关键分区。

在该实施例中，为了保证在识别过程中可以提高事物识别的准确率，可以对图像信息进行分区操作，该分区操作可以是对图像信息进行均分成若干区域，可以根据图像信息中像素的灰度值来分区，例如，在该图像信息中包括一个玩具车，那么可以将玩具车的轮子作为一个关键分区，将玩具车的车身作为一个关键分区。

步骤303：确定每一个关键分区的输入值。

在该步骤中，可以根据关键分区中所包括像素的灰度值来确定相应的输入值。

在该实施例中，可以将该关键分区中所包括的每一个像素的灰度值之和作为相应的输入值。值得说明的是，也可以将该关键分区中所包括的每一个像素的灰度值的平均值作为相应的输入值。

步骤304：确定与输入值个数相同的第一数量的第一优化函数。

在该步骤中，为了实现对图像信息中是否包括引起交通事故的事物，需要确定与输入值个数相同的第一数量的第一优化函数。假设在步骤302中，将图像信息分成了r个关键分区，那么就需要确定r个第一优化函数。

在该实施例中，由于需要确定r个第一优化函数，即可以获取r个对应的第一优化函数，并确定的每一个优化函数均赋予了前三次优化的经验值，从而得到r个不相同第一优化函数。

步骤305：针对第一数量的输入值中的每一个目标输入值，利用第一优化函数分别对目标输入值进行优化，以生成目标输入值对应的目标优化值；确定目标优化值对应的目标权重，并确定目标优化值与目标权重的乘积为目标输出值，以完成对目标输入值的一次优化处理。

在该步骤中，可以预先构建如图2所示的识别模型，在该识别模型中包括输入层、隐含层和输出层三部分。

在初始状态下，输入层输入的输入值为步骤303中确定的各个输入值。例如，输入到识别模型中的输入值分别为x₁、x₂、x₃、…、x_r。

在后续过程，输入层输入的输入值可以为识别模型上一次输出的优化值与该优化值对应的权值的乘积。也可以是识别模型上一次输出的优化值。

在隐含层中，请参考图2中隐含层所包括的各个圆框，在每一个圆框上对应一个第一优化函数，且在每一个圆框上进行如下处理：利用该圆框对应的第一优化函数分别对r个输入值进行计算，从而获取到一组数值，该组中包括有r个目标优化值。

例如：在隐含层中第二个圆框所对应的第一优化函数为下式：

其中，a、b、c为三个经验值。那么，针对隐含层中第二个圆框所进行的处理包括：将输入值x₁、x₂、x₃、…、x_r分别代入到上式中，得到针对第二个圆框对应的r个目标优化值f(x₁)、f(x₂)、f(x₃)、…、f(x_r)。

步骤306：判断目标输入值对应的优化处理的次数是否达到设定阈值，若是，执行307，否则，以目标输出值作为目标输入值，并执行305。

在该步骤中，阈值是根据经验值设定的，也可以根据用户的需要自行设定。例如，为62次，90次等。

步骤307：根据确定出的第一数量的目标输出值，以及利用预先确定的第二优化函数，计算该第一数量的目标输出值对应的参考值。

在该实施例中，目标输出值可以是一组，该组中包括每一个目标优化值与相应目标权值的乘积，该目标输出值也可以是一个，为每一个优化输入值与相应目标权值乘积之后的和。该目标输出值的形式可以根据标准值的形式来决定。

而对于参考值的可以利用下式计算：

其中，S_j用于表征所述至少一个图像信息中的第j个图像信息的参考值；w_ij用于表征所述第j个图像信息中的第i个关键分区的预设权重；b_j用于表征所述第j个图像信息的阈值；n用于表征所述第一数量；rand(x_i)用于表征所述第i个关键分区的平衡值。

例如：在该实施例中，目标输出值是一个，则r个关键分区对应有r个目标输出值，分别为f(x₁)、f(x₂)、f(x₃)、…、f(x_r)，则参考值S_j＝w₁×f(x₁)+w₂×f(x₂)+w₃×f(x₃)+…+w_r×f(x_r)+b_j+rand(x_i)。

步骤308：判断参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理，否则，结束当前流程。

在该步骤中，紧急避险处理可以是制动减速，也可以是发出警告音，也可以是其他避险处理。

如图4所示，本发明实施例提供了一种辅助驾驶系统，该辅助驾驶系统可以包括：获取单元401、确定单元402、处理单元403和判断单元404，其中，

所述获取单元401，用于在检测到车辆处于行驶状态时，获取所述车辆的周围环境对应的至少一个图像信息；

所述确定单元402，用于针对每一个所述图像信息，均执行：将所述图像信息分成第一数量的关键分区，并确定每一个所述关键分区的输入值；

所述处理单元403，用于利用预先设置的优化函数对第一数量的所述输入值进行优化处理，以生成该第一数量的所述输入值对应的参考值；

所述判断单元404，用于判断所述参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。

如图5所示，在本发明一个实施例中，为了确保参考值的可靠性，所述处理单元403，包括优化子单元4031、触发子单元4032、计算子单元4033，其中，

所述优化子单元4031，用于针对第一数量的所述输入值中的每一个目标输入值，均执行：利用预先设置的第一数量的第一优化函数中的每一个第一优化函数，分别对所述目标输入值进行优化，以生成所述目标输入值对应的目标优化值；确定所述目标优化值对应的目标权重，并确定所述目标优化值与所述目标权重的乘积为目标输出值，以完成对所述目标输入值的一次优化处理；

所述触发子单元4032，用于判断所述目标输入值对应的优化处理的次数是否达到设定阈值，若是，触发所述计算子单元4033，否则，以所述目标输出值作为所述目标输入值，并触发所述优化子单元4031；

所述计算子单元4033，用于根据确定出的第一数量的目标输出值，以及利用预先确定的第二优化函数，计算该第一数量的目标输出值对应的参考值。

在该实施例中，通过预先构建识别模型，对输入值进行多次优化，达到优化次数后生成目标输出值，并计算出参考值，提高了参考值的可靠性。

在本发明一个实施例中，为了进一步确保参考值的可靠性，所述第一优化函数，包括：

其中，f(x_i)用于表征所述第一数量的关键分区中的第i个关键分区的优化值；x_i用于表征所述第i个关键分区的输入值；c用于表征所述图像信息的参数；radom用于表征所述第i个关键分区对应的经验值；

所述第二优化函数，包括：

其中，S_j用于表征所述至少一个图像信息中的第j个图像信息的参考值；w_ij用于表征所述第j个图像信息中的第i个关键分区的预设权重；b_j用于表征所述第j个图像信息的阈值；n用于表征所述第一数量；rand(x_i)用于表征所述第i个关键分区的平衡值。

在本发明一个实施例中，为了能够准确的对图像信息进行分析，所述确定单元，具体用于针对每一个所述关键分区，将该关键分区进行灰度化处理，并确定该关键分区中包括的每一个像素点的灰度值，以及确定所述每一个像素点的灰度值的加和为该关键分区的输入值。

在本发明一个实施例中，请参考图5，为了进一步确保驾驶的安全性，进一步包括：第一制动单元501，用于当监测到所述车辆对应的驾驶员的重心偏移量大于相应设定的第一阈值时，启动紧急制动。

在本发明一个实施例中，请参考图5，为了进一步确保驾驶的安全性，进一步包括：第二制动单元502，用于根据所述图像信息确定所述车辆的正常行驶方向，当监测到所述车辆的当前行驶方向与所述正常行驶方向之间的角度大于相应设定的第二阈值时，启动紧急制动。

上述系统内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

综上，本发明的各实施例，至少具有如下有益效果：

1、在本发明的实施例中，通过在检测到车辆处于行驶状态时，获取车辆的周围环境对应的图像信息，将图像信息分成第一数量的关键分区，并确定每一个关键分区的输入值，利用预先设置的优化函数对第一数量的输入值进行优化处理，以生成该第一数量的输入值对应的参考值，判断参考值与预先确定的标准值的差值是否不大于设定阈值，若是，执行紧急避险处理。由于可以从车辆的周围环境对汽车行驶状态进行判断，优于仅单纯的依靠距离和速度进行判断的方法，能够提高避免事故发生的准确性。

2、在本发明的实施例中，通过构建识别模型，对关键分区的输入值按照用户设定的优化次数进行多次优化，使的目标输出值的可靠性提高。并且在该识别模型加入数据过滤技术，使得离谱的数据样本在优化很少次数以后就淘汰了，将离谱的数据提前淘汰，比优化次数达到阈值以后才发现数据不合法更加智能。

3、在本发明的实施例中，通过第一优化函数和第二优化函数对图像信息进行分析识别，增加了计算所得的参考值的可靠性，从而增加了判断结果的可靠性。

4、在本发明的实施例中，通过利用传感器检测驾驶员的重心偏移和车辆的偏移特性，以实现紧急预警，，从而可以进一步提高预测车辆发生事故的准确率，使得驾驶员尽快采取措施，或者车辆紧急制动，降低发生事故的几率。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个〃·····”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。